多层循环优化运行速度
大佬们，python的for循环嵌套两层运行为啥这么慢阿，有没有好的解决办法，最好是不用三方库的我这就两层循环，101*1000，感觉好慢
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(0)
x_ = np.linspace(0,1,101)
def shouyi():
'''
输入
'''
a = np.random.choice(, p = p.ravel())
b = np.random.choice(, p = p.ravel())
c = a+b
if c == 0:
w =2
elif c == 1:
w = 2
elif c == 2:
w = -1
return w
y_ = []
for x in x_:
p = np.array([ x, 1-x ])
w = 0
for i in range(1000):
w1 = shouyi()
w2 = shouyi()
w3 = shouyi()
w4 = shouyi()
w5 = shouyi()
w6 = shouyi()
w7 = shouyi()
w8 = shouyi()
w9 = shouyi()
w10 = shouyi()
w = w + w1+w2+w3+w4+w5+w6+w7+w8+w9+w10
y_.append(w)
plt.plot(x_,y_)
plt.show() 本帖最后由 suchocolate 于 2021-11-10 22:52 编辑
算上函数那10次，实际有100w次核心计算，numpy确实慢，帮你优化了一下代码，节省20%时间吧。
import matplotlib.pyplot as plt
import numpy as np
import time
start = time.time()
np.random.seed(0)
x_ = np.linspace(0, 1, 101)
y_ = []
ps = x_[::-1] # 直接取反不用逐个计算
d = {0: 2, 1: 2, 2: -1}# 字典查询能够加速
for i, x in enumerate(x_):
p = ]
w = 0
for j in range(1000):
for k in range(10):
c = np.random.choice(, p=p, size=2).sum()# 一次生成2个直接求和，p是普通列表页可以。
w += d
y_.append(w)
end = time.time()
print(end-start)
plt.plot(x_, y_)
plt.show()
用普通random帮你写了一个，这个1秒多：
import matplotlib.pyplot as plt
import time
import random
# 权重选择函数
def test(p):
result = 0
for m in range(2):
r = random.uniform(0, 1)# 随机一个浮点数
if r <= p:# p中的概率也可以理解为权重，概率=权重/权重和，若权重某一轮为，若随机数小于等于0.2，那么本轮结果为0，反之为1。
result += 0
else:
result += 1
return result
start = time.time()
x_ =
y_ = []
ps = x_[::-1]
d = {0: 2, 1: 2, 2: -1}
for i, x in enumerate(x_):
p = {0: x, 1: ps}
w = 0
for j in range(1000):
for k in range(10):
c = test(p)
w += d
y_.append(w)
end = time.time()
print(end - start)
plt.plot(x_, y_)
plt.show()
前几天一位鱼友的提问也是权重选择：https://fishc.com.cn/thread-204828-1-1.html suchocolate 发表于 2021-11-10 22:10
算上函数那10次，实际有100w次核心计算，numpy确实慢，帮你优化了一下代码，节省20%时间吧。
刚刚把您的代码看完，最后一个确实很快，虽然我这破电脑还要跑6秒，但是比之前快老了，非常感谢，
我还有点小问题，为啥您这样写可以快这么多，我之前的代码是哪部分耗时太长，我想学习这方面的知识应该看哪些书籍还有视频 本帖最后由 suchocolate 于 2021-11-13 16:19 编辑
撕裂天堂 发表于 2021-11-13 15:54
刚刚把您的代码看完，最后一个确实很快，虽然我这破电脑还要跑6秒，但是比之前快老了，非常感谢，
我还 ...
有专门讲代码优化的书，可以到某东上搜搜。
知乎看这个也不错：https://zhuanlan.zhihu.com/p/143052860
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(0)
x_ = np.linspace(0,1,101)
def shouyi():
'''
输入
'''
a = np.random.choice(, p = p.ravel())# 这里用size=2减少一次赋值操作
b = np.random.choice(, p = p.ravel())
c = a+b
if c == 0:# 因为这里的if的结果都是固定的，所以可以直接用字典代替，字典查询比if快得多。
w =2
elif c == 1:
w = 2
elif c == 2:
w = -1
return w
y_ = []
for x in x_:
p = np.array([ x, 1-x ])# np初始化array比普通列表慢，且列表内元素还需要计算，所以换成普通列表。考虑到p列表的第二个元素正好是 x_倒叙的值，所以我的代码里直接ps = x_[::-1]，省去了计算的过程。
w = 0
for i in range(1000): # 函数调用10次，每次参数都为空，没有变化，可以直接用for代替
w1 = shouyi()
w2 = shouyi()
w3 = shouyi()
w4 = shouyi()
w5 = shouyi()
w6 = shouyi()
w7 = shouyi()
w8 = shouyi()
w9 = shouyi()
w10 = shouyi()
w = w + w1+w2+w3+w4+w5+w6+w7+w8+w9+w10
y_.append(w)
plt.plot(x_,y_)
plt.show()
页:
[1]